Earthly项目中交互式运行与构建顺序的注意事项
2025-05-19 04:26:19作者:秋泉律Samson
在Earthly构建系统中,当开发者需要在容器内执行交互式命令时,可能会遇到一个典型问题:构建步骤的执行顺序与预期不符。本文将通过一个实际案例,深入分析Earthly构建过程中交互式命令与文件保存的时序关系,并给出解决方案。
问题现象分析
考虑以下Earthfile示例:
VERSION 0.8
target:
FROM alpine
WAIT
RUN --interactive sleep 10; touch /opt/output/artifact
END
SAVE ARTIFACT /opt AS LOCAL opt
开发者期望在交互式会话中创建文件后,将该文件保存为本地构建产物。然而实际执行时,SAVE ARTIFACT命令会在交互式会话完成前就执行,导致保存的是一个空目录。
技术原理剖析
这种现象源于Earthly构建系统的两个关键特性:
- 构建步骤的并行性:Earthly默认会并行执行构建步骤以提高效率
- 交互式会话的特殊性:
RUN --interactive会启动一个需要人工参与的会话
当使用普通交互模式时,Earthly会:
- 先处理后续构建步骤
- 最后才执行交互式会话
- 导致文件保存操作发生在文件创建之前
解决方案
Earthly提供了--interactive-keep参数来解决这个问题。该参数会:
- 强制保持交互式会话的持久性
- 确保后续构建步骤在交互完成后执行
- 保证文件操作的正确时序
修改后的Earthfile应如下:
VERSION 0.8
target:
FROM alpine
WAIT
RUN --interactive-keep sleep 10; touch /opt/output/artifact
END
SAVE ARTIFACT /opt AS LOCAL opt
最佳实践建议
- 对于需要后续处理交互结果的场景,始终使用
--interactive-keep - 在复杂构建流程中,合理使用
WAIT/END块控制执行顺序 - 测试构建时注意观察日志中的执行时序
- 对于关键文件操作,可添加验证步骤确保文件存在
总结
Earthly的构建系统通过智能的并行执行提高了效率,但也带来了执行顺序的复杂性。理解--interactive和--interactive-keep的区别,能够帮助开发者更好地控制构建流程,确保在需要严格顺序的场景下获得预期结果。这体现了基础设施即代码(IaC)工具中时序控制的重要性,也是DevOps实践中需要特别注意的一个方面。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
466
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
356
216
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
897
688
昇腾LLM分布式训练框架
Python
121
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
120
156
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
782
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361